# 思路：连续登录的伪日期列相同 a.日期格式化 b.日期按照天排名（一天多次， dense_rank（）） c.伪日期列构造 date_sub与date_order 相减 d.按照user_id, 伪日期聚合，求出最长连续登录次数 select t5.user_id from ( Select user_id, count(date2) consec_days from( Select user_id, date_sub(date, interval date_order day) date2 from( select user_id, date, dense_rank()over(part...

1.单选（10，2分）考了同比、环比复合增长率显著性的深入理解一类/二类错误概率计算给出一个场景选择对应的检验方法相关性系数两个随机变量的方差计算2.多选(应该是5道）一类/二类错误业务指标异动原因分析3.三道sql（60分）(1）如图,表的转置(2) 先筛选时间，再分组求和。比较坑的是时间是字符串，不是数字，不能用数字限定。(3) 最后一道的大概要求是筛选category购买且只购买了空调和冰箱的用户， category 有空调、冰箱、洗衣机、厨热。选择重在统计学基础，尤其是AB实验的细节理解，商业分析指标以及机器学习的简单理解sql做得不太好跨专业还是任重道远... 加油...

SELECT tag,count(r.exam_id) as tag_cnt # 只需作答即可，所以count(exam_id) FROM exam_record r LEFT JOIN examination_info i ON r.exam_id=i.exam_id WHERE uid in # 对用户进行过滤，满足月均完成不小于3 (SELECT uid FROM exam_record r WHERE month (submit_time) = 09 GROUP by uid HAVING count(score)>=3) GROUP by tag ORDER BY tag_cn...